2018年8月11日上午8:30左右，北京房山區(qū)大安山鄉(xiāng)發(fā)生山體塌方，塌方量約3萬立方米。所幸，由于當地群測群防安全員和公路養(yǎng)護工人及時發(fā)現(xiàn)險情并采取斷路措施，塌方并未造成人員傷亡和車輛損失。日前，中國科學院成都山地災害與環(huán)境研究所歐陽朝軍副研究員團隊根據此次滑坡特征和現(xiàn)場資料數據，并結合光流法捕捉技術、深度學習和動力學數值模擬方法，對此次崩滑災害的動力學特性進行了分析和提取，獲取了其運動速度、演化過程、堆積范圍等關鍵性特征參數，可為下一步工程防治方案設計、其他潛在風險點危害評估提供技術支撐。 

　　該團隊利用特征輪廓匹配技術對網友提供的現(xiàn)場實時視頻進行了精細化校正，并利用成都山地所自主研發(fā)的表面速度光流測量法對每幀像元進行了跟蹤計算，有效提取到不同時刻的運動速度等重要信息。同時，還利用深度學習方法（DeepLab），采用人工智能方法自動高效的從影像視頻中提取了不同時刻的滑坡運動位置和范圍信息，相較于采用肉眼勾畫的方式，實現(xiàn)了分析效率的大幅提高。 

　　每年全球發(fā)生無數滑坡災害，但是由于滑坡多發(fā)生在偏遠山區(qū)，且具有很強的突發(fā)性，因此具有完整過程記錄的滑坡視頻非常少。為此，科研人員不得不開展大量室內模型試驗，但受模型尺寸的限制，模型結果無法真實反映滑坡固有特性。而采用以上方式提取滑坡速度、演化過程等動力學特性對于開展滑坡反演、機理分析等研究具有重要的科學意義。 

　　利用上述基礎信息，該團隊進一步通過自主開發(fā)的地表動力過程計算模擬軟件Massflow（www.massflow-software.com）,開展了崩塌體動力過程計算模擬，并與提取的速度、范圍等數據進行對比分析，再次校核了模型和計算參數。校核后的模型和參數可以為此次崩塌體后續(xù)治理方案設計、本地區(qū)其他潛在滑坡風險評估提供技術支撐。 

　　該研究得到了國家重點研發(fā)專項(2017YFC1501000)、國家自然科學基金（41572303）、中國科學院前沿科學重點研究項目（QYZDY-SSW-DQC006）和中國科學院青年創(chuàng)新促進會項目的支持。

　　

　　原始視頻（左）與表面速度光流測量法提取的滑坡體速度（右）

　　

　　DeepLab提取的滑坡演化過程（左）和Massflow滑坡過程數值模擬及參數校核（右）